AI 加速器的 Kubernetes 管理模型
Kubernetes 从来不关心你的加速器叫 GPU、NPU 还是 TPU。它只认扩展资源，而隔离与切分永远由厂商的数据平面决定。
本章要解决什么
上一章从设备类别与厂商阵营两个视角画完了加速器全景。本章换第三个视角：抽象掉厂商差异，看 Kubernetes 到底如何管理这些芯片。这有三个直接收益：
- 纠正一个常见误解：NPU 不是端侧专属。华为昇腾 910 系列是数据中心训练与推理主力，本书昇腾 vNPU一章分析的全部是机架级 NPU 服务器。
- 建立一个跨厂商的心智模型：换一颗芯片，控制面几乎不变，数据面全部重来。这个判断决定了本书的结构，也决定了平台团队的技能投资方向。
- 为国产加速卡的选型与落地提供工程视角的补充。
统一管理模型：四步抽象
把谱系抽象掉，Kubernetes 眼中的加速器只有一个统一模型：
- 上报：device plugin 把设备以扩展资源的形式注册到节点（
nvidia.com/gpu、huawei.com/Ascend310P、google.com/tpu名字不同，语义相同）。 - 调度：调度器只看资源数量（DRA 之后升级为可推理的设备属性与声明，见 DRA 一章），不关心设备的隔离与切分细节。
- 分配：kubelet 调用插件的
Allocate，把设备、驱动库、注入配置装进容器。 - 隔离：完全由厂商数据平面决定。MIG 分区、昇腾驱动模板、HAMi 拦截库都在这一层生效，Kubernetes 本身对此一无所知。HAMi 2.10 进一步扩展了支持的设备范围，包括 AMD MI300X 和 Biren 加速器，并通过与 KAI Scheduler 的集成提供调度与隔离的对应关系。
这个模型解释了本书的结构安排：控制面的队列、配额、gang 调度（Volcano、Kueue）对所有加速器一视同仁；数据平面的切分与隔离（数据平面各章）则要逐厂商逐技术地分析。
厂商之间的差异都藏在第 1 步和第 4 步的细节里：TPU 需要额外的拓扑感知（芯片组合必须对得上互连结构），昇腾需要 Ascend Docker Runtime 做设备与库注入，GPU 生态则有 Operator 把驱动、监控、设备插件整体容器化。各家接入 Kubernetes 的方式高度趋同，这是上一章厂商版图背后的一致性。
切分能力的不对称
上一章的集成成熟度速查表里，“共享/隔离”一列值得单独展开，因为它决定了数据平面能做什么：
- NVIDIA 与昇腾是唯二同时具备硬切分与软切分两条路线的生态（MIG 加 HAMi/时间片；驱动模板加 vCANN-RT/HAMi）。HAMi 2.10 新增 Flexible MIG 功能，支持动态 MIG 实例分配，无需排空节点。
- TPU 只有芯片粒度的拓扑切分，属于硬切分的一种特殊形态。
- AMD 与多数国产卡目前依赖整卡分配加软件共享，没有硬件级分区。
这就是为什么本书的深度技术章集中在 GPU 与昇腾，不是偏心，而是机制丰富度使然。两条路线的完整对比见硬切分与软切分一章。
国产加速卡的工程现实
对于在国产算力上做平台的工程师，厂商版图之外还有三个工程事实值得记住：
- 生态成熟度差异大。昇腾的软件栈（CANN、mind-cluster）完整度最接近 NVIDIA，但版本配套严格（驱动、CANN、框架、容器镜像常要求成对匹配，本书昇腾实验中 libvnpu 与驱动版本必须匹配就是同一逻辑的缩影）；多数国产卡的算子覆盖仍需逐模型验证。
- 共享治理高度依赖 HAMi。HAMi 是唯一一个用统一模型治理大部分国产卡的 CNCF 项目，支持 NVIDIA、华为昇腾、寒武纪、海光 DCU、壁仞、燧原、MetaX、昆仑、摩尔线程、AWS Neuron、Vastai 和 AMD MI300X 等十多种异构加速器，这也是它在这本书里反复出现的原因。
- 超节点是新变量。昇腾 910C 的 CloudMatrix 384、NVIDIA 的 NVL72 与平头哥 PPU 的 128 卡超节点（自研 ICN Switch 互连）把“多卡紧耦合成一个逻辑节点”作为扩展路线，这类系统的调度单位已经不是单卡，Kubernetes 侧需要新的拓扑与亲和模型（Topology Manager 与 DRA 的持续演进都在回应这一点）。
总结
抽象掉厂商差异后，Kubernetes 管理加速器的模型只有四步：插件上报扩展资源、调度器按数量（或按 DRA 声明）分配、kubelet 完成设备注入、厂商数据平面负责隔离。控制面跨芯片通用，数据面逐厂商重来；切分能力的不对称（NVIDIA 与昇腾双路线齐备，TPU 仅拓扑切分，多数国产卡靠软件共享）决定了各生态在数据平面上的可选项。对所有这些芯片，同一套方法都成立：用决策轴比较，用数据平面谱系归类，用可复现实验验收。